作为 CIFAR 数据集替代方案的 ImageNet 下采样变体
计算机视觉与模式识别
2017-08-24 v3 机器学习
摘要
原始 ImageNet 数据集是用于训练深度神经网络的流行大规模基准。由于在原始数据集上进行实验（例如算法设计、架构搜索和超参数调优）的成本可能过高，我们提议考虑 ImageNet 的下采样版本。与 CIFAR 数据集和早期的 ImageNet 下采样版本不同，我们提出的 ImageNet3232（及其变体 ImageNet6464 和 ImageNet1616）包含与 ImageNet 完全相同数量的类别和图像，唯一的区别是图像被下采样为每张 3232 像素（变体分别为 6464 和 1616 像素）。在这些下采样变体上的实验速度比在原始 ImageNet 上快得多，并且下采样数据集关于最优超参数的特性似乎保持相似。所提出的数据集和用于复现我们结果的脚本可在 http://image-net.org/download-images 和 https://github.com/PatrykChrabaszcz/Imagenet32_Scripts 获取。
引用
@article{arxiv.1707.08819,
title = {A Downsampled Variant of ImageNet as an Alternative to the CIFAR datasets},
author = {Patryk Chrabaszcz and Ilya Loshchilov and Frank Hutter},
journal= {arXiv preprint arXiv:1707.08819},
year = {2017}
}